航天器多信源测控数据融合及应用研究

论文摘要

数据融合技术是一门新兴综合性技术,在军事和民用上均有广阔的应用前景。航天器多信源测控数据融合受多种因素、多个环节的影响和制约。把系统理论分析和建模数值仿真相结合,逐步拓宽对数据融合的认识和实践,将对我国航天测控技术的发展产生积极意义。本文以航天器多信源测控数据融合与决策技术为研究对象,针对融合技术在测控数据融合过程中存在的问题,研究和探讨解决问题的有效途径,并通过仿真实验对系统设计方案和理论技术进行分析和验证。本文在研究数据融合技术、目标识别技术、特征矢量提取技术和证据推理决策技术的基础上,分别在数据融合的三个层次上完成了相关融合方法研究。为了认识数据融合的整体架构,论文阐述了数据融合的基本概念、基本原理、主要特点;总结分析了数据融合功能模型和结构模型的原理、结构特点及其主要融合算法。以航天器多信源测控为背景,分析了数据融合与决策系统的内容和结构,建立系统的研究框架,阐述了融合模型中各个层次的主要研究内容。数据关联是数据融合的首要环节,文章分析和改进了多信源航天器测量控制的数据关联理论和过程算法,提出了一种跟踪门的形成方法及测控数据关联算法,包括跟踪门的数论法计算、数据关联过程以及修正的联合概率数据关联算法。采用概率均匀采样的方法来提高状态分布模拟采样的代表性,并用于计算跟踪门的大小和形状。该方法适合于三维空间的跟踪门设置,计算过程简单。修正的联合概率关联算法将被跟踪目标的预测区域分成几个彼此相互独立的跟踪区域,对具有公共测量的目标和各目标相关跟踪门内的多个测量的概率分布密度分别进行计算,并进行概率加权,形成修正的联合概率关联算法。通过数值仿真验证,本算法的关联成功率较高。为了提高数据层融合精度,采用缓冲算子和灰色关联理论对测控数据进行预处理,减小测量数据的随机误差,根据测量数据序列的变化特性,采用样条滤波和强跟踪滤波技术对测量序列进行数据层融合。利用四阶样条函数建立系统状态方程,结合系统观测方程,对滤波过程的状态估计误差和观测误差进行补偿,有效地抑制了测量数据的随机观测误差,平滑了测量数据。强跟踪滤波器对模型参数失配问题具有较强的鲁棒性,对初值状态统计特性不敏感,收敛快,关于状态突变具有良好的动态性能,即使受到剧烈扰动,滤波器仍具有保持稳定的能力。以数据层处理结果为输入,提出了测控数据特征值提取的有效方法,即对数据层处理结果先进行检择,以测速定位和相互定位测距为特征,分析了数据融合特征层的计算理论和方法,推导出数据层不同处理结果条件下航天器位置速度的实时计算新方法,并将样条滤波和数论法有效结合,在相对距离最近时刻,对追逐方和逃逸方的位置分布进行伪随机采样,以较高的精度反映了最小相对距离的分布特性和统计特性。论文结合样条滤波,利用追逐逃逸过程仿真数据,对追逐方和逃逸方飞行过程的位置、速度进行了仿真,验证了最小相对距离矢量的计算方法。作为数据融合的应用之一,本文提出了一种证据加权数据融合及判决方法,用于解决证据冲突的合成问题,对航天器型号辨识、测控设备选优、空中目标交汇评估等问题进行了仿真分析和验证。本文根据D-S证据合成的一般过程,结合置信度函数和似真度函数等概念,利用证据加权融合,抑制证据冲突问题,针对型号辨识、测控设备选优和空中目标交汇评估,分别采用不同的加权计算方法,减小了个别误差较大的特征值对总体决策的影响,增强了系统的容错性。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 引言
• 1.2 数据融合技术研究现状
• 1.2.1 主要方法
• 1.2.2 目前存在的主要问题
• 1.3 航天器测控跟踪领域数据融合研究与应用
• 1.4 论文的主要研究内容和章节安排
• 2 数据融合与航天器多信源测控数据处理
• 2.1 引言
• 2.2 数据融合处理系统的模型架构
• 2.2.1 功能模型
• 2.2.2 结构模型
• 2.3 航天器多信源测控数据融合处理的研究内容
• 2.4 航天器多信源测控数据融合处理的系统结构
• 2.5 本章小结
• 3 多信源测控数据关联算法
• 3.1 数据关联方法引言
• 3.2 基于数论法的跟踪门算法
• 3.2.1 跟踪门生成
• 3.2.2 跟踪门数论法计算
• 3.2.3 跟踪门验证计算
• 3.3 修正的联合概率数据关联算法
• 3.3.1 数据关联过程
• 3.3.2 联合概率数据关联算法改进
• 3.4 数值仿真验证
• 3.4.1 非机动目标跟踪关联
• 3.4.2 机动目标跟踪关联
• 3.5 本章小结
• 4 测控数据随机误差消除方法
• 4.1 多设备测量数据融合引言
• 4.2 测量数据随机误差消除实现算法
• 4.2.1 缓冲算子与灰色关联分析数据融合
• 4.2.2 样条滤波技术
• 4.2.3 强跟踪滤波技术
• 4.3 数值仿真验证
• 4.3.1 非机动目标验证计算
• 4.3.2 机动目标验证计算
• 4.4 本章小结
• 5 测控数据特征矢量融合方法
• 5.1 定位测速数据检择
• 5.1.1 多测量设备数据检择
• 5.1.2 实验数据融合结果
• 5.2 定位测速融合方法
• 5.2.1 测距测角定位测速
• 5.2.2 交汇定位测速
• 5.3 最小相对距离计算
• 5.3.1 航迹计算方法
• 5.3.2 追逐方和目标航迹计算
• 5.3.3 交汇精度研究
• 5.3.4 数值仿真结果
• 5.4 本章小结
• 6 基于D-S 证据理论的决策分析
• 6.1 Dempster-Shafer 证据推理算法
• 6.1.1 基本概率分配
• 6.1.2 证据合成
• 6.1.3 合成证据的标准化
• 6.2 证据理论决策分析
• 6.2.1 目标识别
• 6.2.2 测控设备选优
• 6.2.3 目标交汇评估
• 6.3 验证仿真结果
• 6.3.1 目标识别
• 6.3.2 测控设备选优
• 6.3.3 目标交汇评估
• 6.4 本章小结
• 7 结束语
• 7.1 结论
• 7.2 展望
• 致谢
• 参考文献